基于map 卷积神经网络的共享出行需求预测通常采用非特定时间的静态空间地图结构来提取非欧氏空间的相关特征。以这种方式构建的城市结构图是不同时间间隔的静态空间地图结构，但不能动态提取不同时间间隔的空间相关性特征，本文提出了一种基于Spatial时间动态图注意网络（STDGAT）的共享出行需求预测方法。该方法基于区域间的通勤关系，动态构建特定时间的城市空间地图结构，实现动态空间相关建模，利用图形注意网络和长、短期记忆网络自适应提取动态空间相关特征和时间相关特征。使用全连接层作为输出预测层，将联合时空特征映射到实际需求值，完成预测。实验结果表明，该方法在RMSE、MAPE和MAE三个评价指标上均优于实验基准比较法